Diagnosis of incipient faults through of physicochemical properties of the insulating oil in power transformers as an alternative method to the dissolved gases analysis

The diagnosis of incipient fault in power transformers immerses in oil are directly related to the assessment of the isolation system conditions. This search is about the relationship between dissolved gases and the quality of the insulating mineral oil used in power transformers. Artificial Neural Networks are used to approach operational conditions assessment issue of the insulating oil in power transformers, which is characterized by a nonlinear dynamic behavior. The operation conditions and integrity of a power transformer can be inferred by analysis of physicochemical and chromatographic (DGA – Dissolved Gas Analysis) profiles of the isolating oil. This tests allow establishing procedures for operating and maintaining the equipment and usually are performed simultaneously. This work proposes a method that can be used to extract chromatographic information using physicochemical analysis through Artificial Neural Networks. The present analysis of physicochemical properties only provide a diagnostic tool for the oil quality, which does not allow the diagnosis of incipient faults. It´s believed that, the power utilities could improve reliability in the prediction of incipient failures at a lower cost with this method, since only one test is required. The results show this strategy might be promising with an average accuracy for diagnosis of faults greater than 72%. The purpose of this work is the direct implementation of the diagnosis of incipient faults through the use of physicochemical properties without the need to make an oil chromatography.O diagnóstico de falhas incipientes em transformadores de potência imersos em óleo está diretamente relacionado à avaliação das condições do sistema de isolamento. Este estudo aborda a relação entre os gases dissolvidos no óleo e a qualidade do óleo mineral isolante utilizado em transformadores de potência. As redes neurais artificiais são utilizadas na abordagem da avaliação das condições operacionais do óleo isolante em transformadores de potência, que é caracterizada por um comportamento dinâmico não-linear. As condições de operação e a integridade do sistema de isolamento de um transformador de potência podem ser inferidas através das análises físico-químicas e cromatográficas (Análise de Gás Dissolvido). Estes ensaios permitem estabelecer procedimentos de operação e manutenção do equipamento e normalmente são realizados simultaneamente. Esta tese de doutorado propõe um método que pode ser usado para extrair informações cromatográficas usando as análises físico-químicas através de redes neurais artificiais. As análises atuais das propriedades físico-químicas fornecem apenas diagnóstico do estado do óleo, o que não permite o diagnóstico de falhas incipientes. Acredita-se que, as concessionárias de energia podem melhorar a confiabilidade na previsão de falhas incipientes a um custo menor com este método, uma vez que apenas um ensaio é necessário. Os resultados mostraram que esta estratégia é promissora com média de acertos em diagnósticos de falhas maiores que 72%. O objetivo deste trabalho é a aplicação direta do diagnóstico de falhas incipientes através da utilização de propriedades físico-químicas, sem a necessidade de fazer uma cromatografia do óleo